[发明专利]一种图像去雾处理方法

摘要

本发明涉及一种图像去雾处理方法。针对雾霾天气时拍摄的城市街景/交通监控图像存在的清晰化低、图像中车辆和行人等目标物不易识别等问题，通过先对雾天图像实施整体增强，再提取图像高频信息以加强细节的方法得到最终去雾的清晰图像。所述方法包括雾天图像采集，对所述雾天图像采用Retinex算法进行图像全局增强处理，对图像进行细节调整处理，图像统合。实验表明，采用本发明的Retinex+小波变换方法进行去雾处理，效果优于Retinex算法和Dark Channel算法。本发明不需要深度信息等辅助信息，不需3D建模等繁琐方法，可以简单快速地实现去雾处理，有较好的实时性。

主权项

一种图像去雾处理方法，包括采集雾天图像得到图像I的步骤，对所述图像I进行图像全局增强处理得到图像R的步骤；其特征在于，还包括对图像进行细节调整处理的步骤，方法如下：(1)输入待处理图像；(2)对所述图像进行分层处理；采用小波变换算法对所述图像在不同的尺度上使用高通滤波器和低通滤波器在水平和垂直两个方向上分别进行两次滤波，得到的分解结果为：近似分量A、水平细节分量H、垂直细节分量V和对角细节分量D；所述小波变换算法中的滤波次数可根据需要进行调整；(3)调整高低频系数；通过降低近似分量A的系数，增大水平细节分量H、垂直细节分量V和对角细节分量D的系数，实现减弱低频的云雾信息、增强相对高频的景物信息的目的；(4)根据所述步骤(3)进行小波系数重构，得到重构图像；对所述雾天图像I进行图像全局增强处理的方法还包括以下内容：采用Retinex算法对图像进行图像全局增强处理，包括单尺度算法SSR和多尺度算法MSR；在RGB颜色空间中，SSR计算公式如下：Rl(x,y)＝logIl(x,y)‑log[F(x,y)*Il(x,y)]，l＝1,2,...,n   (1)其中，Rl(x,y)相应于第l通道的输出；Il(x,y)是所述图像I第l通道像素的亮度值；*表示卷积运算；n表示颜色通道数，如果是黑白图像，n为1；如果是彩色图像，n为3；F(x,y)表示中心/包围函数，表示为高斯函数形式：F(x,y)=Ke-(x2+y2)/σ2---(2)]]>其中，σ为控制中心/包围函数的范围，σ越小，中心/包围函数越尖锐；K由归一化条件来确定，公式如下：k=1Σx=1wΣy=1he-(x2+y2)/σ2---(3)]]>其中，(x，y)表示像素点的坐标；w表示图像的宽度，h表示图像的高度；显然，SSR的性能很大程度上取决于变量σ；采用Jobson提出的MSR算法得到第l通道的输出，公式如下：Rl(x,y)=Σn=1NWn{logIl(x,y)-log[F(x,y)*Il(x,y)]}---(4)]]>其中，Rl(x,y)相应于第l通道的输出，Wn则表示尺度的权重因子，N表示使用尺度的个数；所述细节调整处理的对象是经过全局增强处理后得到的所述图像R，处理后得到轮廓和细节都得到优化的去雾处理图像；所述细节调整处理的对象是所述雾天图像I，处理后得到图像W；对所述雾天图像I进行细节调整处理后，还需对所述图像R和所述图像W进行统合处理，得到轮廓和细节都得到优化的去雾处理图像；统合处理方法如下：对所述图像R和所述图像W实施像素级别的叠加，生成新图像R’，公式如下：R’(i，j)＝w1*R(i，j)+w2*W(i，j)   (5)其中，w1,w2分别表示权重，可以根据需要进行调整；R’(i，j)、R(i，j)和W(i，j)分别为新图像、图像R和图像W在坐标(i，j)位置的像素值，可以是灰度空间的灰度值，也可以分别是RGB颜色空间的R、G、B值；如果是RGB颜色空间，那么获得新图像R’(i，j)的RGB值。